ds-best-of-n

ds-best-of-n

1 回の試行はサンプルであり、答えではありません。DeepSeek は十分に安価なため、通常は 3〜5 回試すほうが、最初の不出来な試行を修正する 1 回よりもコストを抑えられます。

手順

1. タスクの枠組みを定めます。すべての試行に変更せず渡すプロンプトを 1 つ作成します。3〜6 個の具体的で検証可能な基準からなる非公開の評価基準を作成します。各試行には評価基準を見せません。
2. N を決めます。既定では 3、設計の選択肢が多い場合は 5 にします。各試行に、Git worktree や個別の一時フォルダーなど、それぞれ専用の出力先を割り当てます。
3. プロンプト、共通のコンテキスト、出力先を指定して、N 個のサブエージェントを同時に起動します。それぞれに、成果物と、採用しなかった代替案についての短いメモを求めます。ハーネスでサブエージェントを実行できない場合は、新しいコンテキストで試行を 1 つずつ実行します。
4. 各試行を確認します。ビルド、テスト、または簡単な動作確認を実行します。出力とともに合格または不合格を記録します。実行できない試行は破棄します。
5. 残った試行を評価基準に照らして採点します。全体構成が最も優れたものをベースとして選びます。仕上がりの良さより構成を重視します。
6. 他の試行から、テスト、エッジケース、よりすっきりした関数など、具体的に優れた部分を挙げます。それらだけをベースに取り込みます。ファイル全体をマージしてはいけません。
7. 取り込み後の結果に対して、すべてのチェックを再実行し、出力を提示します。

ここで終了

• 取り込み後の結果がすべてのチェックに合格し、ベース、取り込んだ内容、採点結果を報告した場合。
• または、プロンプトを明確化して 1 回再実行しても、合格する試行がなかった場合。不合格だった内容を報告します。

ルール

• 試行自身の要約を読んで選んではいけません。実行して選びます。
• 採点する前に、ある試行に別の試行を見せてはいけません。
• 最終チェックに合格するまで、不採用の試行も残しておきます。